解析Adobe InDesign的HTML文本 - 其他標記內的標記

Question

在InDesign中，我從xml文件中提取文本並將其放在textFrame中。 由於textFrame不支持某些標記，因此我必須在textFrame中替換粗體，斜體和boldItalic標記，並以編程方式應用格式。 我最初使用Adobe的GREP搜索/替換進行此操作，但如果標記位於另一個標記內，則它無法正常工作（例如，' <b>a<i>b</i>c</b> '）。 所以我決定使用蠻力並通過標簽分割字符串，然后遍歷每個項目。 我提出的代碼是有效的，但我很好奇是否有更好，更有效的方法來做到這一點？

目前，它存儲字體和文本位置以添加該字體。 標簽也被刪除。

注意：有一個單獨的字體可以將文本設置為粗體和斜體。 如果我對<bi>標簽造成任何混淆，我表示歉意。 它本來是一個需要粗體和斜體的角色的標簽。 <b><i>text</i></b>可能是更好的解決方案。 無論如何，它絕對需要作為適當角色的單獨樣式。

var TAGSOBJ = {'<b>': 'Arial\tBold',
               '<i>': 'Arial\tItalic',
               '<bi>': 'Arial\tBold Italic',
               '</b>': 'Arial\tBold',
               '</i>': 'Arial\tItalic',
               '</bi>': 'Arial\tBold Italic'};
var BGNTAGSOBJ = {'<b>': null, '<i>': null, '<bi>': null};
var ENDTAGSOBJ = {'</b>': null, '</i>': null, '</bi>': null};

var txt = 'This is some <b>really important <i>text</i></b> with <i>some <b>very <bi>very <br> very</bi> important</b> things</i> in it.';

var n = 0;
var prevTag = '';
var noTagTxt = '';
var dataArray = [['none']];

var txtArray = txt.split(/(<\/?(?:b|i|bi)>)/);

for (var i = 0; i < txtArray.length; i++) {
    var iTxt = txtArray[i];

    if (iTxt in BGNTAGSOBJ) {
        dataArray.push([TAGSOBJ[iTxt]]);
        prevTag = iTxt;
    } else if (iTxt in ENDTAGSOBJ) {
        if (prevTag in ENDTAGSOBJ) {
            dataArray[dataArray.length - 1][0] = TAGSOBJ[iTxt];
        }

        dataArray.push(['none']);
        prevTag = iTxt;
    } else if (iTxt.length > 0) {
        var iTxtLen = iTxt.length;

        dataArray[dataArray.length - 1].push([n, n + (iTxtLen - 1)]);

        noTagTxt += iTxt;

        n += iTxtLen;
    } else {
        dataArray[dataArray.length - 1][0] = 'none';
    }
}

for (var i = 0; i < dataArray.length; i++) {
    $.writeln(dataArray[i]);  // print to console in extendscript
}
$.writeln(noTagTxt);

/* Outputs to console in extendscript:
none,0,12
Arial   Bold,13,29
Arial   Italic,30,33
Arial   Bold
none,34,39
Arial   Italic,40,44
Arial   Bold,45,49
Arial   Bold Italic,50,63
Arial   Bold,64,73
Arial   Italic,74,80
none,81,87
This is some really important text with some very very <br> very important things in it.
Result: undefined
*/

Answer 1

我正在等待<bi>標簽的解釋，但與此同時，這里有一些代碼可以刪除標簽並收集您需要的信息。 我也不是100％清楚字體的東西。 TAGSOBJ中的值是否需要實際應用格式？

var
    content = 'This is some <b>really important <i>text</i></b> with <i>some <b>very very <br>very important</b> things</i> in it.',
    tagPattern = /<\/?(i|b)\b[^>]*>/ig,
    stack = [],
    tags = [],
    offset = 0,
    match,
    tag;

while (match = tagPattern.exec(content)) {
    if (match[0].substr(1, 1) !== '/') {
        stack.push(match.index - offset);
    } else {
        tags.push({
            tag: match[1],
            from: stack.splice(-1, 1)[0],
            to: match.index - offset
        });
    }
    offset += match[0].length;
}
content = content.replace(tagPattern, '');
// now use tags array and perform needed actions.

這是一個證明這一點的小提琴 。

最后，對於它的價值，我不認為在javascript中使用大寫標識符是標准做法。